基于随机需求的城市公交车辆调度问题的研究

在公交车辆调度问题上,考虑到公交调度中客流需求的不确定因素,引入随机需求调度模型及其相关概念,然后对优化模型进行实例求解,结果证明该模型是可行的。     

基于改进免疫遗传机理的动态路径诱导算法研究

针对传统算法存在的不足,提出基于改进的免疫遗传机理的动态路径诱导算法。通过引入单点交叉算子配合控制策略的改进思想,在宏观上控制交叉过程以及构造优化简单的目标函数,较好地弥补了传统遗传算法早熟收敛、陷入局部最优解、运算效率较低等问题。最后采用此算法进行路网实例计算,结果表明该算法能较大程度地提高路网利用率,减少交通拥堵。     

基于树状数组的逆序数计算方法

n个元素组成的置换a[1],a[2],…,a[n].若i＜j且a[i]＞a[j],则称(a[i],a[j])是一个逆序对.置换中逆序对的个数称为置换的逆序数.按定义,计算逆序数要通过n(n-1)/2此次比较,时间复杂度是O(n2).设计了一种新的方法,利用树状数组计算逆序数,时间复杂度降为O(nlog2(n)).主要思...     

轨道动力学模型与数值方法研究进展

随着列车速度的提高和轴重的增加,车辆与轨道之间的相互作用更加激烈.深入开展轮轨动态作用机理研究,对高速重载铁路安全平稳运行具有重要意义.文章回顾了轨道动力学模型的研究进展,重点介绍了五种轨道动力学模型及算法,即车辆-轨道-路基非线性耦合系统交叉迭代算法,新型车辆单元和轨道单元模型,列车轨道系统动态分析的移动单元法,移动...     

环模自动钻床钻削进给算法

环模是饲料加工机械的核心部件,钻孔是环模加工的重要工序．根据环模加工实际经验和生产需求,为提高环模加工效率和质量,研究环模模孔加工中麻花钻头受力理论模型,给出新的环模自动钻床钻削进给算法,并根据实践结果对算法进行了优化．经实际生产检验,该算法能够有效降低钻头磨损速度,减少工人更换和打磨钻头的时间,为企业创造了经济效益．     

复杂情况下大规模船队规划模型与求解方法

以某大型航运企业船队为例进行实证分析,利用Benders分解算法对在多航线复杂情况下,由多种类型船舶构成的大规模船队规划问题进行求解,验证所提出的模型及算法对于大规模实际问题的应用效果.结果表明,该方法实现了多航线、多型船、大规模混合整数船队规划问题的优化求解,能够为大型航运企业进行船队规划决策提供支持.     

考虑路段失效的军事物流配送中心选址模型

针对战场保障网络常常遭受敌人打击的现象,建立了考虑路段失效的军事配送中心可靠选址模型.模型为双层规划形式,上层规划的目标是优化系统在无路段失效和出现路段失效时所覆盖的总的需求量,下层规划的目标是最小化某一路段失效时系统覆盖的需求量.采用启发式算法求解下层规划,运用遗传算法求解整个模型.通过一个算例验证模型的优越性和算法的有效性.算例结果表明,尽管模型所得选址方案在无路段失效时覆盖的需求量,小于不考虑路段失效的最大覆盖模型选址方案覆盖的需求量,但在最佳路段失效时模型选址方案的覆盖效果优于后者.     

船舶汽轮机组优化设计研究

汽轮机组是船舶动力装置的重要组成部分,其重量和尺寸是影响船舶动力装置重量体积及布置的重要因素.建立包括汽轮机、冷凝器和齿轮减速器设计三部分的船舶汽轮机组数学模型,以汽轮机组重量最小为目标函数和在给定的约束条件下,采用不同的优化算法对机组进行了优化设计.与原方案相比,采用优化方案后汽轮机组重量明显减小,改进的自适应遗传算法有更好的优化性能,优化效果显著.     

高速公路场景下的电子稳像技术研究

为了去除高速公路监控视频中自身位置不稳定的事物给全局运动矢量估计带来误差,先通过Canny算子检测图像中的直线,并根据车道边界的特征筛选出道路边界,确定道路区域。再检测道路区域内的Harris角点信息,并与背景图中道路区域内的角点位置进行匹配,从而得到全局运动矢量,并计算出稳定的图像。实验表明,该算法能够满足高速公路场景下的稳像需求。     

基于动态时间调整的时空图卷积路网交通流量预测

为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度, 本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络 (TSARGCN)。TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征; 引入残差网络保证网络中信息传递的完整性;利用DTW (Dynamic Time Warping)算法计算路网 中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节 点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验,结果表明：TSARGCN在交通流量预测中的平均绝对误差 (MAE) 达 到 19.24,均方根误差 (RMSE) 达到 27.09,比 ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及 ASTGCN (Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。